问题描述
在下面的 Hive 查询中,我需要将子标签映射到父标签下,其值与 XML 内容相同。截至目前,交叉联接正在发生,因为父标签值“ABCD”在此处重复。
with your_data as (
select '<ParentArray>
<ParentFieldArray>
<Name>ABCD</Name>
<Value>
<string>111</string>
<string></string>
</Value>
</ParentFieldArray>
<ParentFieldArray>
<Name>ABCD</Name>
<Value>
<string/>
<string>444</string>
<string>555</string>
</Value>
</ParentFieldArray>
</ParentArray>' as xmlinfo
)
select name,case when value='NULL' then '' else value end value
from (select regexp_replace(xmlinfo,'<string></string>|<string/>','<string>NULL</string>') xmlinfo
from your_data d
) d
lateral view outer explode(XPATH(xmlinfo,'ParentArray/ParentFieldArray/Name/text()')) pf as Name
lateral view outer explode(XPATH(xmlinfo,concat('ParentArray/ParentFieldArray[Name="',pf.Name,'"]/Value/string/text()'))) vl as value;
Name Value
ABCD 111
ABCD
ABCD
ABCD 444
ABCD 555
解决方法
除了名称之外,您还可以使用poseexplode() 而不是explode() 来获取位置。然后在第二个 XPATH 中按位置过滤数组,也许在这种情况下您不需要 Name 过滤器,请在更大的数据集上调试它。我同时使用了:名称和索引过滤器,它适用于您的数据示例。 XPATH 中的位置从 1 开始,而 Hive 中的位置从 0 开始,这就是使用 pos+1 的原因:
with your_data as (
select '<ParentArray>
<ParentFieldArray>
<Name>ABCD</Name>
<Value>
<string>111</string>
<string></string>
</Value>
</ParentFieldArray>
<ParentFieldArray>
<Name>ABCD</Name>
<Value>
<string/>
<string>444</string>
<string>555</string>
</Value>
</ParentFieldArray>
</ParentArray>' as xmlinfo
)
select name,pos+1 as pos,case when value='NULL' then '' else value end value
from (select regexp_replace(xmlinfo,'<string></string>|<string/>','<string>NULL</string>') xmlinfo
from your_data d
) d
lateral view outer posexplode(XPATH(xmlinfo,'ParentArray/ParentFieldArray/Name/text()')) pf as pos,Name
lateral view outer explode(XPATH(xmlinfo,concat('((ParentArray/ParentFieldArray)[',pf.pos+1,'])[Name="',pf.Name,'"]/Value/string/text()'))) vl as value;
结果:
name pos value
ABCD 1 111
ABCD 1
ABCD 2
ABCD 2 444
ABCD 2 555